Berryxia.AI@berryxia · XRamp Labs在Ramp Sheets的Spreadsheet Agent中深度集成了Fast Ask检索子代理，解决了传统表格Agent因读取范围不当导致的效率低下和成本高昂问题。该子代理能自动导航并读取最相关数据范围，仅返回精炼答案，减少上下文污染与token消耗。其基于开源Qwen3.5-35B-A3B模型，通过与Prime Intellect合作进行RL后训练优化。实际应用中，它消除了主代理17.8%的无效工具调用，延迟接近Claude Haiku 4.5，准确率比Claude Opus 4.6高4个百分点，实现了更快、更准、更经济的系统性能。
这套设计财务/表格Agent 来说必须按头安利一下！
Ramp Labs 把 Fast Ask 深度嵌入到了 Ramp Sheets 的 Spreadsheet Agent 里。
以前的 spreadsheet agent 检索信息时，要么读太少漏掉答案，要么读太多导致又慢又贵、还容易被无关 tab 分心。
现在他们专门造了一个叫 Fast Ask 的检索子代理，彻底把这个检索循环优化掉了。
真正的核心卖点是：主 Agent 再也不用自己瞎逛 workbook。
给它一个问题（比如"2025 年 3-5 月 South land 的累计净收入是多少？"），Fast Ask 就会自动导航表格、读取最相关的 range，最后只返回精炼后的答案给主 Agent 用，大幅减少上下文污染和 token 浪费。
他们和 Prime Intellect 合作，用 RL post-training 把开源 Qwen3.5-35B-A3B（激活参数约 30 亿）打造成这个专业模型。实际效果非常炸裂： •在生产环境里，主 Agent 之前有 17.8% 的 tool calls 都浪费在打开 tab、读无关 sheet 上，现在这个瓶颈被干掉；